CH665926A5

CH665926A5 - Teilnehmersprechstelleneinrichtung mit spracherkennungseinrichtung.

Info

Publication number: CH665926A5
Application number: CH4987/84A
Authority: CH
Inventors: Thomas Hoermann; Manfred Immendoerfer; Dieter Kopp
Original assignee: Alcatel Nv
Priority date: 1983-10-22
Filing date: 1984-10-18
Publication date: 1988-06-15
Also published as: JPS60128761A; DK500484A; ES8605347A1; DK500484D0; EP0141289A3; DE3338484A1; AU574725B2; ES536914A0; EP0141289A2; AU3426184A

Description

BESCHREIBUNG

Die Erfindung betrifft eine Teilnehmersprechstelleneinrich-tung, die eine Spracherkennungseinrichtung enthält, in der die über ein Mikrofon empfangenen Sprachsignale ausgewertet werden, so dass der zu rufende Fernsprechteilnehmer direkt durch akustische Eingabe von Wörtern und/oder Ziffern angewählt werden kann.

Es ist bereits eine Teilnehmersprechstelleneinrichtung bekannt (a voice-controlied, repertory-dialer system, L.R. Rabi-ner, J.G. Wilpon, A.E. Rosenberg, Bell System Technical Journal, Vol. 59, No. 7, September 1980), in der durch akustische Eingabe bestimmten Wörter oder Ziffernfolgen, der Benutzer automatisch mit einem gewünschten Fernsprechteilnehmer verbunden wird. Es muss dabei jedem Benützer die Möglichkeit gegeben werden, beliebige Teilnehmernamen individuell zu verwenden. Zur Generierung der akustichen Referenzmusterdaten für die vom Benutzer gesprochenen Wörter und Ziffern wird hierbei nach dem Verfahren der sprecherabhängigen Erkennung vorgegangen. Hierzu muss der Benutzer seine gewünschten Teilnehmernamen und die zehn Ziffern in einer akustischen Trainingsphase der Spracherkennungseinrichtung eingeben. Diese speichert dann die daraus generierten Referenzmusterdaten im Speicher der Spracherkennungseinrichtung ab und sie stehen damit dem Benutzer zur sprachgesteuerten Telefonwahl zur Verfügung. Da zur Zeit verfügbare Spracherkennungseinrich-tungen nur einen Wortschatz von etwa 100 Worten besitzen, ergibt sich der Nachteil, dass der zu rufende Fernsprechteilnehmerkreis durch die beschränkte Erkennungskapazität einer solchen sprachgesteuerten Teilnehmersprechstelleneinrichtung sehr stark begrenzt wird. Ausserdem ist jeder Benutzer auf das spezifische Telefon festgelegt, mit dem er seine akustische Referenzmusterdaten generiert hat. Somit ergibt sich bei einem grösseren Benutzerkreis (Büro) eine weitere Einschränkung, da der Wortschatz der Spracherkennungseinrichtung auf die einzelnen Benutzer aufgeteilt wird.

Die technische Aufgabe der Teilnehmersprechstelleneinrich-tung nach der Erfindung besteht darin, durch akustische Eingabe von Wörtern und/oder Ziffern, die in einer Spracherken-nungsrichtung einer Teilnehmersprechstelleneinrichtung erkannt werden, einen zu rufenden Fernsprechteilnehmer direkt anzuwählen.

Eine erfindungsgemässe Teilnehmersprechstelleneinrichtung der eingangs genannten Art ist dadurch gekennzeichnet, dass die Teilnehmersprechstelleneinrichtung eine Auswahlsteuerung aufweist, die aus einer Prüf- und Umschaltlogik, einem Auswahlsteuercomputer, einem Telefonregisterspeicher, einer Anzeigeeinheit, einer Eingabetastatur und einem bidirektionalen Bussystem besteht, dass das Bussysten die genannten Bestandteile der Auswahlsteuerung untereinander verbindet und über ein erstes Interface mit der Spracherkennungseinrichtung, über ein zweites Interface mit einer Datenträgereinheit und über eine Wahl- und Sprachsignalumsetzereinrichtung mit einer Teilnehmerleitung verbunden ist, dass der Telefonregisterspeicher und/oder die Datenträgereinheit für die Aufnahme eines Teil-nehmertvokabulars und die zugehörigen akustischen Referenzmusterdaten vorgesehen sind, und dass das Mikrofon, die Spracherkennungseinrichtung und die Wahl- und Sprachsignalum-setzereinrichtung über Signalleitungen an die Prüf- und Umschaltlogik angeschlossen sind.

Ein Vorteil der Teilnehmersprechstelleneinrichtung nach der Erfindung liegt darin, dass durch den bidirektionalen Datenaustausch zwischen der Spracherkennungseinrichtung und dem Te5

10

15

20

25

30

35

40

45

50

55

60

65

3

665 926

lefonregisterspeicher und/oder der Datenträgereinheit, sowie dem bidirektionalen Datenaustausch zwischen dem Telefonregisterspeicher und der Datenträgereinheit, die Erzeugung und Abspeicherung akustischer Referenzmusterdaten zur Spracherkennung, sowie die Abspeicherung des Teilnehmervokabulars für beliebige Teilnehmernamen und für eine grosse Anzahl von Benutzern realisiert wird.

Vorteilhafte Weiterbildungen sind in den Ansprüchen 2-7 gekennzeichnet.

Ein Auzsführungsbeispiel wird im folgenden anhand der Zeichnung erläutert. Es zeigen:

Fig. 1 ein Blockschaltbild einer sprachgesteuerten Teilneh-mersprechstelleneinrichtungen nach der Erfindung;

Fig. 2 ein Blockschaltbild der Prüf- und Umschaltlogik nach Fig. 1;

Fig. 3 ein Prinzipschaltbild einer üblichen Spracherkennungseinrichtung;

Fig. 4 ein Schaltbild für eine erste Ausführung einer Datenträgereinheit nach Figur 1, und

Fig. 5 ein Schaltbild für eine zweite Ausführung einer Datenträgereinheit nach Figur 1.

Die erfindungsgemässe Teilnehmersprechstelleneinrichtung weist drei Hauptbestandteile auf, die über ein bidirektionales Bussystem BUS untereinander gekoppelt sind. Es sind dies die in Figur 1 jeweils durch eine gestrichelte Umrandung zusam-mengefassten Teile: eine Auswahlsteuerung AS, eine Spracherkennungseinrichtung SPE mit einem ersten Interface II, und eine Datenträgereinheit DTE mit einem zweiten Interface 12.

Weiterhin ist eine übliche Wahl- und Sprachsignalumsetzer-einrichtung WSU, an die eine Teilnehmerleitung TL geführt ist, an das Bussystem angeschaltet.

Die Auswahlsteuerung AS besteht aus einem Auswahlsteuercomputer ASC (ein üblicher Mikrorechner mit zugehörigem Programm- und Variablenspeicher), einer Prüf- und Umschaltlogik PUL, einem Telefonregisterspeicher TS, einer Anzeigeeinheit AZE, einer Eingabetastatur ET und einem bidirektionalen Bussystem BUS, das die einzelnen Bestandteile der Auswahlsteuerung AS untereinander verbindet. Ausserdem ist die Prüf-und Umschaltlogik PUL durch eine erste Signalleitung SL1 mit der Spracherkennungseinrichtung SPE, durch zwei weitere Signalleitungen SL2, SL4 mit der Wahl- und Sprachsignalum-setzereinrichtung WSU und über eine weitere Signalleitung SL3 an ein Mikrofon M angeschlossen.

Wie der Figur 2 zu entnehmen ist, enthält die Prüf- und Umschaltlogik PUL eine Prüfeinheit PE und einen Mikrofonumschalter MU. Die Prüfeinheit PE prüft zunächst über die Signalleitung SL4, ob der Fall einer abgehenden oder einer ankommenden Belegung der Teilnehmersprechstelleneinrichtung vorliegt. Im Falle der ankommenden Belegung wird der Mikrofonumschalter MU in die Stellung Mikrofon M - Signalleitung SL2 und damit über die Wahl- und Sprachsignalumsetzeinrichtung WSU auf die Teilnehmerleitung TL geschaltet. Bei einer abgehenden Belegung verbindet der Mikrofonumschalter MU zunächst das Mikrofon M mit der Spracherkennungseinrichtung SPE über die Signalleitung SL1. Nach erfolgter akustischer Eingabe und Erkennung der Teilnehmernummer, sowie Prüfung der Amtssignale auf der Teilnehmerleitung TL (Belegtzeichen, Freizeichen) wird das Mikrofon M über den Mikrofonumschalter MU wieder, wie oben beschrieben, auf die Teilnehmerleitung TL geschaltet.

Der prinzipielle Aufbau der Spracherkennungseinrichtung SPE, wie in Figur 3 dargestellt, wird im folgenden beschrieben.

Die Spracherkennungseinrichtung SPE arbeitet auf sprecherabhängiger Basis und hat einen Wortschatz von beispielsweise 128 Wörtern. Sie setzt sich aus den folgenden, untereinander verbundenen Einheiten zusammen. Eine Vorverarbeitungsein-heit VVE, eine Merkmalsanalyse- und Vergleichseinheit MA-VE, einem Kontrollprozessor KP und einem Referenzmusterdatenspeicher RMSP. Der Kontrollprozessor KP ist über Daten-, Adressen- und Steuerleitungen DL, AL, STL an das erste Interface II angeschlossen, steuert den gesamten Ablauf der Spracherkennungseinrichtung SPE und führt die Befehle der Auswahlsteuerung AS, wie z.B. Trainieren, Erkennen, Abspeichern von Referenzmusterdaten durch. Zur Initialisierung der sprachgesteuerten Teilnehmersprechstelleneinrichtung werden zunächst die von einem Benutzer gewünschten Teilnehmernamen, Firmenbezeichnungen, usw. und die zugehörigen Telefonnummern (Teilnehmervokabular) über die Eingabetastatur ET und das Bussystem BUS in den Telefonregisterspeicher TS geladen. Nach erfolgter manueller Eingabe wird der betreffende Benutzer durch die Anzeigeeinheit AZE aufgefordert, nun in einer akustischen Trainingsphase die zuvor eingegebenen Begriffe vorzusprechen. Das über die Signalleitung SL1 ankommende Sprachsignal wird in der Vorverarbeitungseinheit VVE tiefpass-gefiltert, verstärkt und analog-digital gewandelt. Dann erfolgt in der Merkmalsanalyse- und Vergleichseinheit MAVE eine Merkmalsextraktion von Parametern zur Spracherkennung, wobei diese Referenzmusterdaten intern in den Referenzmusterdatenspeicher RMSP abgelegt werden. Der Auswahlsteuer computer ASC kann nun die benutzerspezifischen akustischen Referenzmusterdaten von der Spracherkennungseinrichtung SPE über das erste Interface II und das bidirektionale Bussystem BUS in den Telefonregisterspeicher TS und bei Bedarf den gesamten Inhalt des Telefonregisterspeichers TS über das zweite Interface II in die Datenträgereinheit DTE transferieren, die intern in der Auswahlsteuerung AS angeordnet sein kann, oder, wie in Figur 1, 4 und 5 dargestellt, eine externe Einrichtung sein kann. Der Telefonregisterspeicher TS bildet zusammen mit der Datenträgereinheit DTE eine praktisch beliebig grosse Speicherkapazität, so dass eine grosse Anzahl von Benutzern ihre jeweils spezifischen Daten (Teilnehmernamen, -nummern und zugehörige akustische Referenzmusterdaten) generieren und abspeichern kann. Zur Identifizierung eines bestimmten Benutzers wird eine Basisliste von Benutzernamen zuvor in der Spracherkennungseinrichtung SPE generiert und abgespeichert. Ausserdem ist es möglich, durch manuelle Eingabe einer vorbestimmten Nummer über die Eingabetastatur ET eine Identifikation durchzuführen. Nach erfolgter Identifikation werden die akustischen Referenzmusterdaten und das Teilnehmervokabular aus der Datenträgereinheit DTE über das zweite Interface 12 und das Bussystem in das Telefonregisterspeicher TS und von dort die akustischen Referenzmusterdaten über das Bussystem BUS und das erste Interface II in die Spracherkennungseinrichtung SPE geladen. Um eine kurze Reaktionszeit des System zu gewährleisten, werden schnelle parallele Interfacebausteine (II, 12) benutzt. Die Referenzmusterdaten eines Benutzers bleiben solange im Referenzmusterdatenspeicher RMSP der Spracherkennungseinrichtung SPE gespeichert, bis ein neuer Benutzer identifiziert wird.

Im Betrieb spricht der Benutzer den von ihm gewünschten Teilnehmernamen, bzw. -nummer in das Mikrofon M. In der Spracherkennungseinrichtung SPE wird durch die Merkmalsanalyse- und Vergleichseinheit MAVE in Vergleichsschritten die grösste Ähnlichkeit zwischen einem gesprochenen Wort und den gespeicherten Referenzmusterdaten festgestellt. Das Ergebnis dieses Erkennungsprozesses wird an den Auswahlsteuercomputer ASC weitergegeben. Bei einer ungenügenden Erkennung wird der Benutzer über die Anzeigeeinheit AZE zur Wiederholung der Eingabe aufgefordert. Ansonsten adressiert der Auswahlsteuercomputer ASC den zugehörigen Teilnehmernamen in dem Telefonregisterspeicher TS und ordnet ihm die zugehörige Rufnummer zu. Bei akustischer Eingabe einer Telefonnummer werden die erkannten Ziffern direkt in den Telefonregisterspeicher TS gelesen. Anschliessend wird diese Rufnummer aus dem Speicher TS in die Wahl- und Sprachsi-gnalumsetzereinrichtung WSU gelesen und in Steuersignale

5

10

15

20

25

30

35

40

45

50

55

60

65

665 926

4

(nach dem Impulswahlverfahren oder dem Mehrfrequenzcodeverfahren) umgesetzt. Auf der Anzeigeeinheit AZE erscheint für Kontrollzwecke der erkannte Teilnehmernamen und die betreffende Rufnummer.

Eine erste Ausführung der oben genannten Datenträgereinheit DTE, wie in Figur 4 abgebildet, besteht aus einem Halbleiterspeicher HSP, der über Steuer-, Adressen- und Datenleitungen STL, AL, DL mit entsprechenden Steuer-, Adressen- und Datenpufferspeichern SP, AP, DP im zweiten Interface 12 verbunden ist. Die über das bidirektionale Bussystem BUS transportierten Daten gelangen in die Datenpufferspeicher SP, AP, DP des zweiten Interface 12 und werden dann in dem Halbleiterspeicher HSP abgelegt. Verwendet man nun in vorteilhafter Weise portable und somit externe Halbleiterspeicher HSP (z.B. batteriegepufferte CMOS-Speicher oder EE-PROM), so ist der jeweilige Benutzer nicht mehr von der spezifischen Teilnehmer-sprechstelleneinrichtung mit der er seine Referenzmusterdaten und sein Teilnehmervokabular generiert hat abhängig, da er seine individuellen Daten in allen Teilnehmersprechstelleneinrich-tungen verwenden kann, die mit der erfindungsgemässen sprachgesteuerten Einrichtung ausgerüstet sind.

Eine zweite Ausführung der genannten Datenträgereinheit DTE ist in Figur 5 dargestellt. Sie weist eine Steuereinheit STE auf, die über Steuer- und Datenleitungen SDL mit einem Plattenspeicher PSP, mit einer Antriebseinheit AE für Magnetbänder MB und mit einer Schreib-Leseeinheit SLE für Magnetkarten MK angeschlossen ist. Die Steuereinheit STR ist durch Steuer*, Adressen- und Datenleitungen STL, AL, DL mit dem zweiten Interface 12 (Steuer- Adressen- und Datenpufferspeicher SP, AP, DP) verschaltet, welches als Zwischenspeicher für die über das bidirektionale Bussystem BUS transferierten Daten dient. Mit Hilfe der Steuereinheit STR erfolgt die wahlweise Abspeicherung auf den Plattenspeicher PSP, auf Magnetbänder MB oder auf Magnetkartên MK. Bei Verwendung von Magnetkarten MK oder -bänder MB erhält man wieder eine portable und somit externe Datenträgereinheit DTE, so dass der Benutzer ebenfalls die Möglichkeit besitzt, seine individuell generierten Daten permanent zu speichern und in einer beliebigen erfindungsgemässen sprachgesteuerten Teilnehmersprechstellenein-richtung zu verwenden.

Weitere Leistungsmerkmale der erfindungsgemässen Einrichtung sind: Verwendung als Fern-, Orts- oder Nebenstelleneinrichtung. Für das Ausland können die unterschiedlichen Netzbedingungen in der Prüf- und Umschaltlogik PUL berück-5 sichtigt werden.

Es besteht die Möglichkeit, dass mehrere Benutzer ihre akustischen Referenzmuster in dem Referenzmusterdatenspeicher RMSP der Spracherkennungseinrichtung SPE und ihr Teilnehmervokabular im Telefonregisterspeicher TS abspeichern, so io dass die erfindungsgemässe Teilnehmersprechstelleneinrichtung gleichzeitig für verschiedene Benutzer ohne jeweilige Identifizierung betrieben werden kann. Die Grenze dieses Betriebsfalles liegt bei der maximalen Speicherkapazität des Referenzmusterdatenspeichers RMSP.

15 Weiterhin besteht die Möglichkeit der Fehlerkorrektur durch Sprache. Nach jedem akustisch eingegebenen Namen oder jeder Ziffer wird das in der Spracherkennungseinrichtung SPE erkannte Wort auf der Anzeigeeinheit AZE wiedergegeben. Bei einer fehlerhaften Erkennung hat der Benutzer die Möglichkeit durch akustische Eingabe des Wortes «Falsch» das momentan erkannte Wort oder die Ziffer zu löschen und anschliessend nochmals akustisch einzuhegen. Wird bei Zifferneingabe ein Fehler von dem Benutzer erst später bemerkt (z.B. Anzeige von sechs Ziffern, vierte Ziffer falsch eingegeben oder erkannt), so werden durch mehrmalige akustische Eingabe des Wortes «Falsch» (im Beispiel dreimalige Eingabe) die dem Fehler folgenden Ziffern und die fehlerhafte Ziffer selbst gelöscht und anschliessend erfolgt ab der korrigierten Stelle die Eingabe der restlichen Ziffern. Die Auslösung des Wahlvorganges erfolgt durch die akustische Eingabe des Wortes «Wählen». Dieser Wähl-Befehl hat bei Zifferneingabe immer zu erfolgen, da Telefonnummern unterschiedlicher Länge zu verarbeiten sind und somit das Ende einer Nummer nicht im voraus bekannt ist.

35 Bei der akustischen Namenseingabe besteht in einer Sonderbetriebsart die Möglichkeit, auf den Wähl-Befehl zu verzichten und somit direkt die Wahl durchzuführen. Dadurch entfällt aber die Korrekturmöglichkeit der eingebegenen Information, so dass das Risiko einer Falschwahl aufgrund einer falschen 40 Eingabe oder einer falschen Erkennung besteht.

v

3 Blätter Zeichnungen

Claims

665 926

2

PATENTANSPRÜCHE

1. Teilnehmersprechstelleneinrichtung, die eine Spracher-kennungseinrichtung enthält, in der die über ein Mikrofon empfangenen Sprachsignale ausgewertet werden, so dass der zu rufende Fernsprechteilnehmer direkt durch akustische Eingabe von Wörtern und/oder Ziffern angewählt werden kann, dadurch gekennzeichnet, dass die Teilnehmersprechstelleneinrich-tung eine Auswahlsteuerung (AS) aufweist, die aus einer Prüf-und Umschaltlogik (PUL), einem Auswahlsteuercomputer (ASC), einem Telefonregisterspeicher (TS), einer Anzeigeeinheit (AZE), einer Eingabetastatur (ET) und einem bidirektionalen Bussystem (BUS) besteht, dass das Bussystem (BUS) die genannten Bestandteile der Auswahlsteuerung (AS) untereinander verbindet und über ein erstes Interface (II) mit der Spracher-kennungseinrichtung (SPE), über ein zweites Interface (12) mit einer Datenträgereinheit (DIE) und über eine Wahl- und Sprachsignalumsetzeinrichtung (WSU) mit einer Teilnehmerleitung (TL) verbunden ist, dass der Telefonregisterspeicher (TS) und/oder die Datenträgereinheit (DTE) für die Aufnahme eines Teilnehmervokabulars und die zugehörigen akustischen Referenzmusterdaten vorgesehen sind, und dass das Mikrofon (M), die Spracherkennungseinrichtung (SPE) und die Wahl- und Sprachsignalumsetzereinrichtung (WSU) über Signalleitungen (SL1, SL2, SL3, SL4) an die Prüf- und Umschaltlogik (PUL) angeschlossen sind.
2. Teilnehmersprechstelleneinrichtung nach Anspruch 1, dadurch gekennzeichnet, dass der Auswahlsteuercomputer (ASC) über eine erste Verbindung - Spracherkennungseinrichtung (SPE), erstes Interface (II), Bussystem (BUS), Telefonregisterspeicher (TS) - oder über eine zweite Verbindung — Spracherkennungseinrichtung (SPE), erstes Interface (II), Bussystem (BUS), zweites Interface (12), Datenträgereinheit (DTE) - einen schnellen bidirektionalen Transport der generierten akustischen Referenzmusterdaten steuert.
3. Teilnehmersprechstelleneinrichtung nach Anspruch 1, dadurch gekennzeichnet, dass der Auswahlsteuercomputer (ASC) über eine dritte Verbindung - Telefonregisterspeicher (TS), Bussystem (BUS), zweites Interface (12), Datenträgereinheit (DTE)

- einen bidirektionalen Transport des Teilnehmervokabulars und der zugehörigen akustischen Referenzmusterdaten steuert.
4. Teilnehmersprechstelleneinrichtung nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass die in der Datenträgereinheit (DTE) oder dem Telefonregisterspeicher (TS) gespeicherten benutzerspezifischen akustischen Referenzmusterdaten, nach akustischen oder manueller Eingabe eines zur Benutzeridentifikation individuellen Schlüsselwortes/-zahl, durch den Auswahlsteuercomputer (ASC) gesteuert, in die Spracherkennungseinrichtung (SPE) transportiert werden und dass das in der Datenträgereinheit (DTE) gespeicherte zugehörige Teilnehmervokabular in den Telefonregisterspeicher (TS) geladen wird.
5. Teilnehmersprechstelleneinrichtung nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass das zweite Interface (12) einen Steuer-, Adressen- und Datenpuffer (SP, AP, DP) aufweist, welche mit einem Halbleiterspeicher (HSP) als Datenträgereinheit (DTE) verbunden sind.
6. Teilnehmersprechstelleneinrichtung nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die Datenträgereinheit (DTE) eine Steuereinheit (STE) enthält, wodurch die im zweiten Interface (12) gepufferten Signale auf einen Plattenspeicher (PSP) oder über eine angeschlossene Antriebseinheit (AE) auf ein Magnetband (MB) oder über eine an geschlossene Schreib-Leseeinheit (SLE) auf eine Magnetkarte (MK) gespeichert werden.
7. Teilnehmersprechstelleneinrichtung nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Prüf- und Umschaltlogik (PUL) einen Mikrofonumschalter (MU) enthält, der die über das Mikrofon (M) ankommenden Sprachsignale über Signalleitungen (SL1, SL2, SL4) entweder auf die Spracherkennungseinrichtung (SPE) oder auf die Wahl-und Sprachsignalumsetzeinrichtung (WSU) schaltet.